近些年，自主識別系統(tǒng)取得了顯著進展，并在機器人和車輛駕駛系統(tǒng)等領(lǐng)域得到了廣泛應(yīng)用。自動駕駛解決方案通常采用攝像頭和/或激光雷達（LiDAR）系統(tǒng)來獲取駕駛過程中周圍的環(huán)境信息，從而為導(dǎo)航和安全策略（如確定路線和避免碰撞）提供重要信息反饋。最先進的基于飛行時間（ToF）的激光雷達系統(tǒng)可測量數(shù)百米以外的物體，精度達到厘米級。將人工智能（AI）技術(shù)與激光雷達系統(tǒng)相結(jié)合，可顯著提高自動駕駛的安全性和可靠性。但是，僅通過形狀信息進行物體識別和分類仍存在不準(zhǔn)確和識別錯誤的問題，例如路面結(jié)冰或真人和人形物體（如人體模型或二維圖片）等。
最近，業(yè)界提出了多光譜激光雷達系統(tǒng)，通過提供基于光譜成像的額外材料信息來克服物體識別的局限性。特別是短波紅外（SWIR）范圍（波長900-2500 nm）的反射光譜，與可見光光譜或簡單的物體顏色成像相比，能夠提供更全面的材料屬性信息。通過同時獲取空間和光譜信息，SWIR波段多光譜激光雷達系統(tǒng)已證明其增強的目標(biāo)識別能力。然而，以前的多光譜激光雷達系統(tǒng)大多采用帶通濾波器或復(fù)雜色散光學(xué)系統(tǒng)來進行光譜分辨檢測，這些系統(tǒng)都存在固有的局限性。隨著采樣波長數(shù)量的增加，不僅不可避免的光學(xué)損耗會增加，而且需要多個光電探測器以及反射光光譜分離，這也會使系統(tǒng)變得復(fù)雜且成本高昂。
基于時分復(fù)用技術(shù)的多光譜激光雷達目標(biāo)分類系統(tǒng)示意圖
據(jù)麥姆斯咨詢介紹，韓國釜山大學(xué)的研究人員展示了一種基于時分復(fù)用（TDM）技術(shù)的新型多光譜激光雷達系統(tǒng)，該系統(tǒng)可通過同時獲取空間和光譜信息來進行語義物體推斷。所采用的TDM技術(shù)通過在時域中對不同波長的脈沖進行采樣來實現(xiàn)光譜分析，不僅消除了色散光譜學(xué)中的光學(xué)損耗，還提供了一種簡單、緊湊且經(jīng)濟高效的系統(tǒng)。通過最大限度地減少TDM脈沖串中不同波長脈沖之間的時間延遲，所有脈沖在掃描過程中都會到達同一位置，從而收集到物體同一點的光譜信息，進而簡化了物體分類的數(shù)據(jù)處理，還能使激光雷達系統(tǒng)保持足夠的掃描速率。這種基于TDM技術(shù)的多光譜激光雷達系統(tǒng)采用了納秒脈沖激光器，在670 nm帶寬的SWIR波段覆蓋了五種不同的波長（980 nm、1060 nm、1310 nm、1550 nm和1650 nm），以獲取足夠的材料相關(guān)反射光譜差異。
TDM多光譜成像與光譜分析
為了同時實現(xiàn)物體分類的空間和光譜可視化，研究人員根據(jù)RGB色彩模型為每個波長的空間強度圖分配了單獨的顏色。這種方法可將SWIR光譜信息映射到RGB顏色上，人眼可根據(jù)顏色差異直接對材料屬性進行視覺區(qū)分。在概念驗證演示中，研究人員比較了人手、人手模型、織物手套、丁腈橡膠手套和打印人手的RGB顏色編碼圖像，這些圖像具有相似的可見光顏色，但因材料不同而在多光譜圖像中顯示出明顯的差異。此外，研究人員還在完整的五波長多光譜數(shù)據(jù)集上訓(xùn)練了一個卷積神經(jīng)網(wǎng)絡(luò)（CNN）框架，以展示其材料分類性能。訓(xùn)練模型的驗證結(jié)果表明，系統(tǒng)根據(jù)材料對多光譜圖像進行了清晰的分類，準(zhǔn)確性很高。此外，研究人員還展示了基于TDM技術(shù)的多光譜激光雷達系統(tǒng)的距離測繪，測距精度約為10 cm。這些結(jié)果表明，該系統(tǒng)在先進自動駕駛領(lǐng)域具有很高的應(yīng)用潛力。
論文鏈接：
https://doi.org/10.1038/s41598-024-62342-2
